武汉市八个奶牛场鲜奶质量调查分析

１９９７年１月１３日至２２日，对武汉市８个大、中型奶牛场鲜奶质量进行了调查分析，共收集样品５６６件。检测项目有脂肪、蛋白质、乳糖、全乳固体、非脂固体、酸度和比重。结果显示，脂肪、蛋白质、乳糖、全乳固体、非脂固体的平均值分别为（％）：３２３±０１３，３１１±０１０，４５２±０１３，１１５２±０２８及８３０±０２０，酸度均值为１４７５±０９２°Ｔ，比重均值为１０２９２±００００８。另外，早班生产的鲜牛奶与中班比较，除脂肪、全乳固体含量差异有显著性外（Ｐ００１），其他几项指标差异不明显（Ｐ００５）。     

STS标记在扬麦158×淮麦18F_4群体中的应用及其与PPO活性的关系

小麦籽粒中的多酚氧化酶活性是导致酶促褐变的主要因素.选育低多酚氧化酶活性的品种是改良面制食品外观品质的重要途径之一.本研究利用位于小麦2A和2D染色体上PPO基因分子标记PPO18和STS01,对扬麦158×淮麦18组合的300个F4代分离株系进行PCR扩增,说明不同带型与PPO活性的相关性.结果表明用PP018扩增的300个分离株系中有59个扩增出876 bp(2aaa型)的目标片段,其活性均值为82.01;46个同时扩增出685 bp和876 bp的目标片段(2Aab型)其活性均值为163.41;其余195个扩增出685 bp的目标片段(2Abb型)其活性均值为233.73.方差分析表明三者的PPO活性差异达到极显著水平,其中基因型为2Aaa型的PPO活性值明显低于2Abb型;PPO18在本试验群体中对PPO活性的决定系数为66.61%;用STS01扩增的300个株系中都扩增出了560bp的片段,群体间没有差异.文中说明了两对引物在该群体中的效应及其与PPO活性的关系.     

VEGETATION植被指数数据预处理方法

VEGETATION数据的植被指数,受云雾影响,含有大量的噪声信号,使用之前必须进行去噪声处理.结合实例数据介绍了半中值滤波法、半均值滤波法、等间隔极大值法用于植被指数的去噪声处理,效果良好;该处理方法同样适用于NOAA和MODIS等数据的植被指数预处理.     

高分辨率遥感图像均值调整法分割技术研究

遥感图像分割是将以像元为基础的图像转化为以对象为基础的过程,因此,遥感图像分割是遥感图像高级分析的基础.对于中、低分辨率遥感图像来说,单个像元的面积较大,且混合像元现象严重,图像分割会产生较大的误差.高分辨率遥感图像单个像元的面积较小,分割后图像上单个对象内含若干像元,便于分析和提取信息.以高分辨率遥感图像Q u ickB ird和IKONO S为研究对象,采用均值调整法对图像进行分割和精度检验.结果表明:采用均值调整法进行高分辨率遥感图像分割具有较好的效果,图像分割的速度和精度均较高.     

复杂背景下黄瓜病害叶片的分割方法研究

利用图像处理和模式识别技术进行复杂背景下黄瓜叶部病害的自动识别,需要先把目标叶片从复杂背景中分割出来,才能进行后续的特征提取和病害识别。为实现复杂背景下黄瓜叶片的分割,首先利用K-均值聚类算法去除图片中的非绿色部分,再采用基于laplacian of gaussia(LOG)算子的方法对待分割的叶片进行区域检测,然后进行基于形状上下文(shape context)的模板匹配和分割。为了提高匹配速度,先检测叶片的生长点和叶尖,以确定叶片的位置、尺寸和方向;然后使用基于超像素(superpixel)的最优匹配搜索方法来减少搜索的复杂度。对20幅黄瓜叶部病害图像进行分割测试,并与人工分割法进行对比,结果表明,本文所采用的分割算法能较好地从复杂背景下提取出黄瓜叶部病害图像,分割准确率达94.7%,为后期黄瓜病斑的特征提取等工作奠定了良好的基础。     

基于双均值偏离数据分析法的学生评教系统的设计与实现

学评教体系作为高校对教学质量监控的重要组成部分,要求学生评教体系具有科学性和合理性。本文所用双均值偏离数据分析法,作为一种定性与定量相结合的评教分析方法,以每位学生对其所有授课教师的平均水平并作为标准,从而得到所有学生对其授课教师的平均评价水平。笔者团队进一步针对此算法设计开发了一套学生评教系统,此系统采用基于B/S的开发模式,选择java为开发语言,Myeclipse、SQL Server 2005为开发工具,具有较强的可操作性。     

文科类《统计学》教学实践探索——以总体均值区间估计为例

参数区间估计是统计学教学的重点和难点,也是后续假设检验学习的基础。考察许多教材发现:参数区间估计章节处理过于简单,致使按照教材讲解学生难以理解。教学实践过程中,从抽样分布理论出发,图文并茂,分四步讲解参数的区间估计,产生了良好的教学效果。     

基于颜色特征的玉米种子纯度识别

为准确快速的识别出玉米种子中的杂粒,提高玉米种的纯度,该文提出一种以玉米种子冠部与侧面颜色作为特征向量进行纯度识别的新方法。该方法首先将玉米种子原始图像进行背景分割、单粒提取,然后进行冠部核心区域及侧面RGB、HSV颜色特征向量的提取,最后采用Fisher判别理论将多维特征向量投影到一维空间中,进行K-均值聚类分析。试验结果证明：利用Fisher判别理论在一维空间上进行K-均值聚类分析,玉米种子纯度的识别率高于93.75%。影响玉米种子正确识别率的主要因素是投影方向的选择及正确的冠部核心区域的提取。     

基于改进的BP神经网络集成的作物精准施肥模型

作物最优施肥量与土壤养分含量、产量之间存在复杂的非线性关系。为更加准确地模拟这种关系,提出一种改进的的BP神经网络集成方法。该方法采用K-均值聚类优选神经网络个体,采用拉格朗日乘子方法计算待集成的神经网络个体的权值。然后,基于农田肥料效应试验数据,以土壤养分含量和施肥量作为神经网络的输入,以产量作为神经网络的输出,建立了作物精准施肥模型。该模型通过求解一个非线性规划问题,能同时获得最大产量和最优施肥量。试验结果表明,在施肥模型的拟合精度方面,改进的神经网络集成方法（其均方根误差为64.54）明显优于单个神经网络方法（其均方根误差为169.74）。而且,作为一种定量模型,基于改进的神经网络集成的施肥模型优于传统施肥模型,能有效地指导精准施肥。